"《大模型RAG應(yīng)用開發(fā):構(gòu)建智能生成系統(tǒng)》系統(tǒng)介紹檢索增強生成（RAG）技術(shù)的核心概念、開發(fā)流程和實際應(yīng)用�！洞竽Ｐ蚏AG應(yīng)用開發(fā):構(gòu)建智能生成系統(tǒng)》共分為11章，第1～3章詳細(xì)介紹RAG開發(fā)的基礎(chǔ)，包括環(huán)境搭建、常用工具和模塊，幫助讀者從零開始理解RAG系統(tǒng)的工作原理與開發(fā)技巧；第4～8章聚焦RAG系統(tǒng)的具體搭建，

"人工智能（ArtificialIntelligence，AI）技術(shù)正在席卷全球，大家都希望能快速掌握AI的基本技術(shù)，參與到這個充滿前景的領(lǐng)域，但是苦于缺乏相關(guān)的基礎(chǔ)，對AI行業(yè)的術(shù)語難以快速理解。本書從基本的概念出發(fā)，以日常生活和工作中的實例為基礎(chǔ)，深入淺出地闡述AI技術(shù)的原理，讀者即便沒有任何相關(guān)的技術(shù)基礎(chǔ)，也能快

"《從零構(gòu)建大模型:算法、訓(xùn)練與微調(diào)》是一本系統(tǒng)且實用的大模型構(gòu)建指南，旨在引領(lǐng)讀者從基礎(chǔ)知識起步，逐步深入探索大模型的算法原理、訓(xùn)練方法及微調(diào)技術(shù)。《從零構(gòu)建大模型:算法、訓(xùn)練與微調(diào)》共12章，涵蓋了Transformer模型的基礎(chǔ)理論，如Seq2Seq模型、分詞、嵌入層和自注意力機制等關(guān)鍵概念；并深入剖析了GPT模

"《Python數(shù)據(jù)可視化從入門到項目實踐（超值版）》詳細(xì)介紹Python數(shù)據(jù)可視化編程涉及的幾個常用庫的使用方法，并列舉了大量的數(shù)據(jù)可視化編程示例。全書共8章，內(nèi)容主要包括在Python中安裝和導(dǎo)入軟件包、編寫代碼和打印數(shù)據(jù)、函數(shù)式編程和面向?qū)ο缶幊�、使用Python內(nèi)置對象以及NumPy和Pandas中的核心對象為

"本書圍繞UI界面設(shè)計展開創(chuàng)作，以“理論+實操”為寫作原則，用通俗易懂的語言對UI界面設(shè)計的相關(guān)知識進(jìn)行詳細(xì)介紹。全書共9章，內(nèi)容涵蓋UI設(shè)計基礎(chǔ)知識，界面設(shè)計在線工具—MasterGo，界面圖標(biāo)設(shè)計，基礎(chǔ)控件設(shè)計，常用組件設(shè)計，移動端App界面設(shè)計，PC端界面設(shè)計，小程序界面設(shè)計以及界面的標(biāo)注、輸出與動效制作，等等。

"《微課學(xué)DreamweaverCC網(wǎng)頁設(shè)計與網(wǎng)站組建》是一部深入淺出、實用性強的DreamweaverCC網(wǎng)頁設(shè)計制作教程�！段⒄n學(xué)DreamweaverCC網(wǎng)頁設(shè)計與網(wǎng)站組建》以平易近人的語言，結(jié)合一系列精美絕倫的網(wǎng)頁設(shè)計案例，系統(tǒng)而全面地闡述了網(wǎng)頁設(shè)計的基礎(chǔ)知識，以及利用DreamweaverCC進(jìn)行創(chuàng)作的方法和

"當(dāng)今的網(wǎng)頁設(shè)計師不僅需要掌握網(wǎng)頁制作技術(shù)，還需要掌握有關(guān)網(wǎng)頁UI布局與配色設(shè)計等方面的知識，再通過自己的實踐積累，才能逐步成為一個優(yōu)秀的網(wǎng)頁設(shè)計師。在多姿多彩的互聯(lián)網(wǎng)世界中，悅目的視覺效果和合理的頁面布局能夠給瀏覽者留下深刻的印象�！段⒄n學(xué)網(wǎng)頁UI布局與配色》全面解析了網(wǎng)頁UI布局與配色設(shè)計的相關(guān)知識，拋開有關(guān)設(shè)計軟

"《基于DeepSeek大模型的深度應(yīng)用實踐》結(jié)合大模型的理論基礎(chǔ)，系統(tǒng)地闡述了DeepSeek大模型的技術(shù)架構(gòu)、開發(fā)實踐與行業(yè)應(yīng)用。全書分為3部分11章，第1~4章深入介紹大模型的理論基礎(chǔ)與核心技術(shù)，包括大模型的核心概念、Transformer與MoE機制，以及DeepSeek架構(gòu)的關(guān)鍵設(shè)計思想、優(yōu)化策略與開發(fā)基礎(chǔ)等

"《Transformer深度解析與NLP應(yīng)用開發(fā)》系統(tǒng)解析Transformer的核心原理，從理論到實踐，幫助讀者全面掌握其在語言模型中的應(yīng)用，并通過豐富案例剖析技術(shù)細(xì)節(jié)。《Transformer深度解析與NLP應(yīng)用開發(fā)》共12章，內(nèi)容涵蓋Transformer模型的架構(gòu)原理、自注意力機制及其相對于傳統(tǒng)方法的優(yōu)勢，并

"《向量數(shù)據(jù)庫:大模型驅(qū)動的智能檢索與應(yīng)用》系統(tǒng)地介紹向量數(shù)據(jù)庫的原理、技術(shù)實現(xiàn)及其應(yīng)用，重點分析傳統(tǒng)數(shù)據(jù)庫在處理高維向量數(shù)據(jù)時的局限性，并提供相應(yīng)的解決方案。《向量數(shù)據(jù)庫:大模型驅(qū)動的智能檢索與應(yīng)用》分為4個部分，共13章，內(nèi)容涵蓋從理論基礎(chǔ)到技術(shù)實踐的多個方面，詳細(xì)討論高維向量表示中的信息丟失、嵌入空間誤差和維度詛